Z.ai 开源编程模型 GLM-5.1：SWE-Bench Pro 超越 GPT-5.4

GLM-5.1 是 Z.ai 开源的旗舰智能体编程模型，采用宽松的 MIT 协议，核心能力是能像一个自主工程师一样，连续执行长达 8 小时的单项长程工程任务。

在代码基准测试 SWE-Bench Pro 上，它拿到了 58.4 分，直接超过了 GPT-5.4 的 57.7 分和 Claude Opus 4.6 的 57.3 分。企业和开发者现在就可以在 Hugging Face 上免费下载权重和商用。

它能做什么

传统的编程模型写几轮代码就会遇到瓶颈，给它更多工具调用往往只会原地打转甚至偏离目标。GLM-5.1 专门针对多轮执行做了调优，能在一个任务里稳定推进数百次迭代与数千次工具调用。

Z.ai 团队负责人 Lou 在 X 上表示，去年底大部分智能体最多只能连续执行大约 20 步，而 GLM-5.1 现在能撑过 1,700 步。在他看来，自主工作时长是缩放定律之后最重要的技术曲线。

官方给出的测试案例展现了这种持续调优能力。在向量数据库优化基准 VectorDBBench 测试中，给模型一个 Rust 骨架代码和空接口，让它通过工具调用自主改代码、编译、测试并做性能分析。

之前的标杆 Claude Opus 4.6 最多跑到 3,547 QPS 的瓶颈，而 GLM-5.1 跑了 655 次迭代和 6,000 多次工具调用，最终把性能推到了 21,500 QPS，提升了接近六倍。

优化过程呈现出阶梯式突破。第 90 次迭代时，它放弃全量扫描改用 IVF 聚类与 f16 压缩；第 240 次迭代又自主加入了双阶段流水线。当遇到召回率跌破 95% 时，它还能自己诊断错误并做参数补偿。

在另一项面向深度学习算子的 KernelBench Level 3 评测中，模型在配备单张 H100 的 Docker 容器内，自主针对 MobileNet、VGG、MiniGPT 和 Mamba 等模型编写替代 PyTorch 的 GPU 原生算子，单题允许最多 1,200 轮工具调用。

规格与去哪试

GLM-5.1 是一个总参数量达 7,540 亿的混合专家架构模型，支持 202,752 token 的长上下文窗口。

它完全基于 MIT 协议开源，允许商业化修改和私有化部署。目前完整的模型权重已经上线 Hugging Face，开发者可以直接拉取。

不过要注意，7,540 亿参数的 MoE 规格极高，本地部署需要顶级的多卡集群或高性能算力服务器，普通工作站很难直接跑动全量模型。

为什么重要

长期以来，真正顶尖的长程自主编程能力一直被闭源模型垄断。GLM-5.1 是开源社区第一次能真正拿到手、自主验证并用于复杂工程重构的超大规模长程智能体。

如果你手头有大型遗留代码重构、性能瓶颈调优或深度学习算子加速需求，只要算力预算充足，它非常值得直接部署试用。不过对于只需写简单脚本或补全代码的日常场景，跑这样一只 754B 的庞然大物不仅调度成本极高，也完全属于大材小用。